XiaoMi-AI文件搜索系统
World File Search System控制理论
传感器 - 语义学者
这两个问题都可以通过使用基于 PID 控制器的经典控制系统方法来解决 [8-13]。然而，开发多维 PID 控制器很困难，因为它们没有理论背景。因此，这种综合有点直观，取决于经验法则，需要控制系统工程师的丰富经验。另一种可能性是使用反步或滑模控制。在 [14] 中，终端滑模和反步控制已成功应用于实时无人机。在 [15] 中，基于线性反馈表示的鲁棒控制器可减少动态不确定性和外部干扰，并设计应用于实时欠驱动系统。现代控制技术，尤其是最优控制理论，为开发高效、鲁棒的多维控制器提供了可能性 [16-20]。它们非常适合处理非常一般类型的跟踪问题。在 [21] 中，瞬时最优控制用于输入饱和的机器人轨迹跟踪。 [22] 中介绍了采用辛伪谱最优控制的三维欠驱动板条箱跟踪。在 [23] 中，表明最优周期
使用最优控制强化学习模型进行 COVID-19 疫苗激励计划
我们将 Covid-19 疫苗接种建模为两个群体之间的强化学习动态：疫苗采用者和疫苗犹豫者。使用疾病控制中心 (CDC) 提供的数据，我们计算出一个控制这两个群体之间动态互动的收益矩阵，并表明他们正在进行一场鹰派-鸽派进化博弈，其内部存在进化稳定的纳什均衡（人群中接种疫苗的渐近百分比）。然后，我们问是否可以通过实施奖励/惩罚疫苗犹豫者的动态激励计划来提高疫苗接种率，如果可以，哪些计划是最佳的，它们的效果如何？什么时候是启动激励计划的最佳时间，激励措施应该有多大？通过使用量身定制的复制器动态强化学习模型和最优控制理论，我们表明精心设计和时间安排的激励计划可以通过在大量人群中向上移动纳什均衡来提高疫苗接种率，但只能达到一定程度，超过一定阈值的激励规模会显示收益递减。
印度军民融合——有希望的途径 | cenjows
以及一个国家的军事力量 (Danda)。由强大的军民关系 (CMR) 推动的健全的军民一体化或融合 (CMI 或 CMF) 仍然是国家生存的关键。近年来，灾难性的世界大战和核浩劫导致人们对战前德国和日本所表现出的军国主义感到厌恶。在塞缪尔·亨廷顿于 1957 年提出“目标控制理论”后，出现了几种 CMR 理论，强调“民事控制”以及民事和军事“分离”。然而，大多数理论都不足以充分解释现实世界的 CMR。无休止的代理、后殖民、内战和反恐战争强调了在任何有效的 CMR 框架中，民事和军事之间需要密切的相互作用和融合。此外，双重用途信息技术、数字化和第四次工业革命 (4IR 技术) 已经彻底改变了军事事务，并使暴力的使用民主化。传统的空中、海上和陆地安全领域已经扩大到包括信息、网络空间、太空、高端技术、贸易、经济、人类、移民、食品、水、健康、能源、环境和气候变化等非传统安全领域的争夺。
基于最佳指数平滑法和能量熵的混合能量存储系统的功率波动和分配
摘要为了解决由大规模风能电网连接引起的功率质量降低和功率漏洞的问题，提出了一种高级控制策略，以平滑功率振荡和混合储能系统的分配。基于理论研究，采用了混合储能系统的数学模型来很好地分析风能的爆发和平滑策略。与传统的过滤算法相比，该研究提出了一种结合了最佳的启动平滑性，并与完整的合奏经验模式分解和自适应噪声和归一化的能量熵相结合，以提高网格连接的输出功率和功率分配的准确性。此外，模糊控制理论用于在获得平滑的功率输出和初始功率分配指令后提高算法的可靠性。为了证明算法的有效性，构建了案例研究以证明本文的表现。实验和示例模拟表明，所提出的方法可以有效地实现自适应能力分配并提高识别的准确性。有效地提高了储能系统的效率和使用寿命后，它为大规模网格操作提供了基础。
受限室内环境中的四旋翼飞行器 - INAOE
无人机在民用领域的应用越来越广泛。四轴飞行器是一种经过广泛研究的无人机，是新型控制技术的绝佳试验台。四轴飞行器的一些预期用途需要在受限环境中运行，其中物体与飞行器距离很近。在这些条件下，飞行会受到气动相互作用（力和扭矩）的影响。直观地讲，这些相互作用可以看作是气流从周围环境中反弹回飞行器。开发用于描述此类相互作用的有效计算方法仍有待改进，因为现有的精确模型需要大量的计算负荷，并且不能用于四旋翼飞行器的实时控制回路。这项研究假设，使用一个可以实时部署并近似气动相互作用行为的简化数学模型，可以改善四旋翼飞行器的飞行控制。为了证实这一假设，我们的目标是开发一种有效的气动相互作用模型，该模型可以从模拟和实验数据中检索出来。为解决这个问题，我们将探索三个主要知识领域：控制理论、人工智能和流体力学。作为初步进展，我们提出了非线性四旋翼控制的数值优化技术。
对多个自动表面车辆的协调控制
在海上环境中，对各种活动的自主表面船（ASV）的使用和实施预计将推动其控制和控制的增长。尤其是，多个ASV的协调提出了新的挑战和机遇，需要在机器人技术，控制理论，通信系统和海洋科学的交集上进行跨学科的研究工作。可以集体使用这些船只的多种任务或目标，可以应用和组合不同的控制技术。这包括对机器学习的探索，以考虑以前认为不可行的方面。本评论提供了对协调的ASV控制的全面探索，同时解决了先前评论留下的关键差距。与以前的工作不同，我们采用了一种系统的方法来确保完整性并最大程度地减少文章选择中的偏见。我们深入研究了复杂的亚行动ASV世界，重点是定制的控制策略以及机器学习技术的整合以增加自治。通过综合最新进展并确定新兴趋势，我们提供了推动这一领域向前发展的见解，从而为未来的研究工作提供了最新技术的全面概述和指导。
对多个自动表面车辆的协调控制
在海上环境中，对各种活动的自主表面船（ASV）的使用和实施预计将推动其控制和控制的增长。尤其是，多个ASV的协调提出了新的挑战和机遇，需要在机器人技术，控制理论，通信系统和海洋科学的交集上进行跨学科的研究工作。可以集体使用这些船只的多种任务或目标，可以应用和组合不同的控制技术。这包括对机器学习的探索，以考虑以前认为不可行的方面。本评论提供了对协调的ASV控制的全面探索，同时解决了先前评论留下的关键差距。与以前的工作不同，我们采用了一种系统的方法来确保完整性并最大程度地减少文章选择中的偏见。我们深入研究了复杂的亚行动ASV世界，重点是定制的控制策略以及机器学习技术的整合以增加自治。通过综合最新进展并确定新兴趋势，我们提供了推动这一领域向前发展的见解，从而为未来的研究工作提供了最新技术的全面概述和指导。
混合状态估计：将物理信息的神经网络与动态系统的自适应UKF整合
摘要：在本文中，我们通过将物理知识的神经网络（PINN）与自适应的无气味卡尔曼过滤器（UKF）相结合，提出了一种新型的动态系统估计方法。认识到传统状态估计方法的局限性，我们通过混合损失功能和蒙特卡洛辍学来完善Pinn结构，以增强不确定性估计。使用自适应噪声协方差机制增强了无味的卡尔曼滤波器，并将模型参数纳入状态矢量以提高适应性。我们通过将增强的PINN与UKF集成为无缝的状态预测管道，进一步验证了该混合动力框架，这表明准确性和鲁棒性有了显着提高。我们的实验结果表明，位置和速度跟踪的状态估计保真度明显增强，并通过贝叶斯推理和蒙特卡洛辍学的不确定性定量支持。我们进一步扩展了对双摆系统的模拟并进行了评估，并在四轮驱动器无人机上进行了状态估计。这种综合解决方案有望推进动态系统估计中的最新解决方案，从而在控制理论，机器学习和数值优化域中提供无与伦比的性能。
导师简介
张恒，江苏省高层次人才培养计划（“ 333 工程”）第二层次培养对象，江苏省杰出青年基 金获得者，博士毕业于浙江大学控制学院，目前担任江苏海洋大学计算机工程学院副院 长、教授、硕士生导师，中国矿业大学兼职博士生导师，齐鲁工业大学（山东省科学院） 兼职硕士生导师。目前担任中国自动化学会工业控制系统信息安全专委会委员，江苏省 自动化学会控制理论专委会委员、青年工作委员会委员，担任国际学术期刊 EURASIP JWCN 等编委，曾担任 EJC 、 JFI 等多个国际期刊的客座编委，受邀担任美国控制会议 ACC 2017 分会场 Chair 、亚洲控制会议 ASCC2017 分会场 Chair 等，担任知名国际会议 IEEE ICCC'14 、 ICNC'17 、 ICNC'18 、 YAC'18 、 IEEE SmartGridComm'19 、 ICNC'20 程序 委员会委员 , 长期担任包括 IEEE TAC 、 Automatica 等 20 余个国际知名期刊论文审稿人。 2016 年入选江苏省 “ 双创博士 ” （科技副总类）， 2017 年入选连云港市 “ 港城英才计划 ” ， 2018 年获得江苏省 “ 六大人才高峰 ” 项目、连云港市 “ 海燕计划 ” 重点资助类， 2019 年入选 江苏省 “ 青蓝工程 ” 中青年学术带头人（考核优秀）。曾在香港科技大学、澳大利亚西悉尼 大学访问研究。发表研究论文 70 余篇，其中包括在期刊 IEEE TAC 、 Automatica （控制 领域两大顶级期刊）、 IEEE TCST （控制领域旗舰期刊）、 IEEE TCNS （控制领域旗舰期 刊）、 IEEE TIE （ SCI 一区期刊）等高水平期刊发表论文，论文曾入选中国百篇最具影响 国际学术论文、 ESI 高被引论文、 ESI 热点论文、国际会议最佳论文奖。主持国家自然 科学基金面上项目、国家自然科学基金青年基金项目、江苏省自然科学基金面上项目、 江苏省高校自然科学研究面上项目等。研究成果获江苏省科学技术奖二等奖、江苏省高 校科学研究成果三等奖。
受限室内环境中的四旋翼飞行 - INAOE
无人机在民用领域的应用越来越广泛。四轴飞行器是一种经过广泛研究的无人机，是新型控制技术的绝佳试验台。四轴飞行器的一些预期用途需要在受限环境中运行，其中物体靠近飞行器。在这些条件下，飞行会受到空气动力学相互作用（力和扭矩）的影响。直观地讲，这些相互作用可以看作是气流从周围环境中反弹回飞行器。由于现有的精确模型需要大量的计算负荷，并且不能用于四旋翼飞行器的实时控制回路，因此开发用于描述此类相互作用的有效计算方法仍有待改进。本研究假设，通过一个可以实时部署并近似气动相互作用行为的简化数学模型，可以改善四旋翼飞行器的飞行控制。为了证实这一假设，我们的目标是开发一种有效的气动相互作用模型，该模型可以从模拟和实验数据中检索。为解决这个问题，我们将探索三个主要知识领域：控制理论、人工智能和流体力学。作为初步进展，我们提出了非线性四旋翼控制的数值优化技术。